图像纹理分类理论与方法

　　本书在归纳分析国内外相关研究的基础上，从小波变换，轮廓变换，剪切波等多尺度变换，以及多尺度变换的子带选择等全新角度研究了图像纹理分类理论和方法，并且还对大数据图像纹理分析和分类问题进行了研究。本书可以作为应用数学，统计学，图像处理，数据分析，模式识别等专业的硕士研究生、博士研究生的专业课教材，也可作为从事小波分析，统计数据分析，机器学习，大数据分析等领域的科技人员的参考书。

暂缺《图像纹理分类理论与方法》作者简介

目录
前言
第1章 绪论 1
1.1 纹理与纹理分类 1
1.1.1 纹理的定义 1
1.1.2 纹理分类 3
1.2 基础理论和工具 6
1.2.1 图像的多尺度几何变换 6
1.2.2 特征提取与分类器设计 11
1.3 本书的结构 13
参考文献 14
第2章 基于局部二进制模式的纹理分类 19
2.1 纹理单元与度量比较 19
2.1.1 纹理单元 19
2.1.2 纹理度量比较 20
2.2 LBP方法 22
2.3 改进的LBP方法 28
2.3.1 主局部二值模式方法 29
2.3.2 完整局部二值模式方法 32
2.3.3 局部三值模式方法 41
2.3.4 成对旋转不变共生LBP方法 43
2.3.5 排序连续LBP方法 48
2.3.6 多道解码LBP方法 51
2.3.7 其他改进的方法 53
参考文献 54
第3章 基于小波域局部能量直方图建模的纹理分类 59
3.1 基于小波域直方图比对的纹理分类 59
3.1.1 小波域中的局部能量特征提取 59
3.1.2 局部能量直方图 60
3.1.3 相似度度量 61
3.2 实验结果与分析 62
3.3 小波子带不平衡问题 67
3.3.1 加权对称 Kullback-Leibler散度与图像间的相似性度量 67
3.3.2 实验结果与分析 69
参考文献 72
第4章 基于轮廓波域乘积伯努利分布的纹理分类 73
4.1 轮廓波域的乘积伯努利分布建模 74
4.2 差异度测量和分类器 76
4.3 实验结果与分析 76
4.3.1 性能评估 77
4.3.2 计算花费 79
参考文献 80
第5章 基于轮廓波域泊松混合模型的纹理分类 81
5.1 泊松混合模型及其BYY和谐学习算法 82
5.2 轮廓波域泊松混合模型与贝叶斯纹理分类器 84
5.2.1 基于轮廓波变换的特征提取 84
5.2.2 基于泊松混合模型的贝叶斯纹理分类器 89
5.3 实验结果与分析 90
5.3.1 分类效果 90
5.3.2 与现存方法的比较 93
5.3.3 对纹理分类时间的讨论 98
参考文献 99
第6章 基于轮廓波域聚类的纹理分类 101
6.1 非随机初始化的c-均值聚类 101
6.2 基于轮廓波子带聚类的特征提取 103
6.2.1 基于非随机初始化的c-均值聚类的特征提取 103
6.2.2 传统特性的提取 105
6.2.3 特征向量的相似性度量 105
6.2.4 分类 106
6.3 实验结果与分析 106
6.3.1 分类效果 106
6.3.2 与现存方法的比较 109
6.3.3 对纹理分类时间的讨论 112
参考文献 112
第7章 基于轮廓波域统计特征的纹理检索 115
7.1 轮廓波子带的统计特征化 116
7.2 图像间的相似性度量与纹理检索 118
7.3 实验结果与分析 119
7.3.1 检索效果 119
7.3.2 大数据集上的检索效果与比较 121
参考文献 122
第8章 基于剪切波域线性回归模型的纹理分类与检索 124
8.1 基于剪切波域线性回归模型的纹理分类 124
8.1.1 剪切波子带依赖性的线性回归建模 125
8.1.2 残差分析和相似性度量 129
8.1.3 实验结果与分析 131
8.2 基于剪切波域线性回归模型和伪反馈的纹理检索 134
8.2.1 思想与步骤 135
8.2.2 基于统计轮廓波子带特征的预检索 136
8.2.3 实验结果与分析 138
参考文献 140
第9章 基于非负多分辨表示的纹理图像分类 141
9.1 小波子带局部特征的增量相异直方图 142
9.1.1 局部特征提取 142
9.1.2 增量相异直方图 142
9.1.3 非负多分辨表示 144
9.2 海赛正则判别非负矩阵因子化 144
9.2.1 目标函数 145
9.2.2 更新规则 146
9.2.3 收敛分析 147
9.2.4 快速梯度下降 148
9.2.5 在纹理分类中的应用 148
9.3 实验结果与分析 149
9.3.1 分类性能 150
9.3.2 在更大数据集上的比较 152
9.3.3 计算花费 156
参考文献 157
第10章 结论与展望 159
索引 162
彩图